文本语法结构解析

本部分主要由EduNLP.SIF.Parse模块实现，主要功能为将文本中的字母、数字等进行提取，将其转换为标准格式。

此模块主要作为 中间模块 来对输入的生文本进行解析处理，用户一般不直接调用此模块。

主要流程介绍

1.按照以下顺序，先后对传入的文本进行判断类型

• is_chinese：用于匹配中文字符 [u4e00-u9fa5]

• is_alphabet：匹配公式之外的英文字母，将匹配到的只对两个汉字之间的字母做修正（使用$$包裹起来），其余匹配到的情况视为不合 latex 语法录入的公式

• is_number：匹配公式之外的数字，只对两个汉字之间的数字做修正（使用$$包裹起来），其余匹配到的情况视为不合 latex 语法录入的公式

2.匹配 latex 公式

• latex 中出现中文字符，打印且只打印一次 warning

• 使用_is_formula_legal函数，检查latex公式的完整性和可解析性，对于不合法公式报错

输入

类型：str

内容：题目文本 （text）

>>> text1 = '生产某种零件的A工厂25名工人的日加工零件数_   _'
>>> text2 = 'X的分布列为(   )'
>>> text3 = '① AB是⊙O的直径，AC是⊙O的切线，BC交⊙O于点E．AC的中点为D'
>>> text4 = '支持公式如$\\frac{y}{x}$，$\\SIFBlank$，$\\FigureID{1}$，不支持公式如$\\frac{ \\dddot y}{x}$'

进行解析

>>> text_parser1 = Parser(text1)
>>> text_parser2 = Parser(text2)
>>> text_parser3 = Parser(text3)
>>> text_parser4 = Parser(text4)

相关描述参数

• 尝试转换为标准形式

>>> text_parser1.description_list()
>>> print('text_parser1.text:',text_parser1.text)
text_parser1.text: 生产某种零件的$A$工厂$25$名工人的日加工零件数$\SIFBlank$
>>> text_parser2.description_list()
>>> print('text_parser2.text:',text_parser2.text)
text_parser2.text: $X$的分布列为$\SIFChoice$

• 判断是否有语法问题

>>> text_parser3.description_list()
>>> print('text_parser3.error_flag: ',text_parser3.error_flag)
text_parser3.error_flag:  1
>>> text_parser4.description_list()
>>> print('text_parser4.fomula_illegal_flag: ',text_parser4.fomula_illegal_flag)
text_parser4.fomula_illegal_flag:  1